Dataset Previews
First, initialize by adding tools and declare floating type
using GriddingMachine
using PkgUtility
using Plots
using Plots.PlotMeasures
ENV["GKSwstype"]="100";
FT = Float32;
# use this to fix the problem in generated preview.jl file
F1 = joinpath(@__DIR__, "../../Artifacts.toml");
F2 = joinpath(@__DIR__, "../../../Artifacts.toml");
GRIDDINGMACHINE_ARTIFACTS = (isfile(F1) ? F1 : F2);
predownload_artifact.(["CH_20X_1Y_V1",
"CI_12X_1Y_V1",
"CI_PFT_2X_1Y_V1",
"GPP_MPI_2X_1M_2005_V1",
"GPP_VPM_5X_8D_2005_V1",
"LAI_4X_1M_V1",
"LM_ERA5_4X_1Y_V1",
"LNC_2X_1Y_V1",
"LPC_2X_1Y_V1",
"NDVI_AVHRR_20X_1M_2018_V1",
"NIRO_AVHRR_20X_1M_2018_V1",
"NIRV_AVHRR_20X_1M_2018_V1",
"RIVER_4X_1Y_V1",
"SIF740_TROPOMI_1X_1M_2018_V1",
"SLA_2X_1Y_V1",
"TD_12X_1Y_V1",
"VMAX_CICA_2X_1Y_V1",
"WD_2X_1Y_V1",
"NPP_MODIS_1X_1Y"],
GRIDDINGMACHINE_ARTIFACTS);#=#=#
##O#- #
##O=# #
#=#=-# #
0.4%
# 2.1%
##### 7.4%
################### 27.4%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
1.2%
### 4.8%
########## 14.6%
########################### 37.6%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
0.4%
####### 10.3%
##################### 29.8%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
0.1%
0.7%
# 2.0%
### 4.6%
############ 17.0%
############################################ 62.2%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
0.0%
0.3%
0.6%
# 2.0%
##### 7.1%
################## 25.6%
################################## 48.3%
################################################# 69.4%
################################################################# 90.7%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
0.2%
0.9%
# 2.6%
##### 7.6%
#################### 28.0%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
## 3.0%
########## 14.2%
############################ 39.4%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
## 3.7%
############## 19.6%
############################### 44.3%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
## 3.6%
############ 17.4%
############################### 43.5%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
0.0%
0.1%
0.1%
0.3%
1.0%
## 3.8%
##### 8.0%
######## 11.7%
########## 15.2%
############# 19.0%
############### 21.7%
################ 22.9%
################## 26.2%
#################### 28.3%
###################### 30.7%
####################### 32.5%
######################## 34.4%
########################## 36.3%
########################### 38.2%
############################ 40.0%
############################## 42.0%
############################### 43.9%
################################# 45.9%
################################## 47.8%
################################### 49.8%
##################################### 51.7%
###################################### 53.7%
####################################### 55.5%
######################################## 56.9%
########################################## 58.3%
########################################### 59.8%
############################################ 61.2%
############################################# 62.7%
############################################## 64.1%
############################################### 65.6%
################################################ 67.1%
################################################# 68.6%
################################################## 70.2%
################################################### 71.7%
#################################################### 73.2%
##################################################### 74.8%
###################################################### 76.3%
####################################################### 77.7%
######################################################## 79.1%
########################################################## 80.9%
########################################################### 82.0%
########################################################### 83.0%
############################################################ 84.1%
############################################################# 85.3%
############################################################## 86.4%
############################################################### 87.5%
############################################################### 88.7%
################################################################ 89.9%
################################################################# 91.1%
################################################################## 92.3%
################################################################### 93.5%
#################################################################### 94.7%
##################################################################### 95.9%
##################################################################### 97.1%
###################################################################### 98.3%
####################################################################### 99.6%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
0.0%
0.0%
0.1%
0.5%
# 1.8%
#### 5.6%
###### 9.3%
######### 13.0%
########### 16.5%
############## 20.0%
################ 23.5%
################### 27.0%
##################### 30.4%
######################## 33.8%
########################## 37.3%
############################# 40.8%
############################### 44.3%
################################## 47.6%
#################################### 50.4%
###################################### 53.1%
######################################## 56.6%
########################################### 60.0%
############################################# 63.4%
################################################ 66.8%
################################################## 70.3%
#################################################### 73.5%
####################################################### 76.8%
######################################################### 80.2%
############################################################ 83.7%
############################################################## 87.1%
################################################################# 90.6%
################################################################### 94.1%
###################################################################### 97.5%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
0.0%
0.0%
0.1%
0.3%
1.2%
### 4.2%
##### 7.0%
##### 8.3%
######## 11.5%
########## 14.1%
########## 14.9%
########### 15.8%
############ 17.1%
############# 19.0%
############## 20.8%
################ 22.6%
################# 24.3%
################## 26.0%
#################### 27.8%
##################### 29.8%
###################### 31.7%
######################## 33.7%
######################### 35.6%
########################### 37.6%
############################ 39.6%
############################# 41.6%
############################### 43.6%
################################ 45.7%
################################## 47.7%
################################### 49.7%
#################################### 51.2%
###################################### 53.4%
####################################### 54.8%
######################################## 56.2%
######################################### 57.7%
########################################## 59.2%
########################################### 60.7%
############################################ 62.2%
############################################# 63.8%
############################################### 65.3%
################################################ 66.8%
################################################# 68.4%
################################################## 69.9%
################################################### 71.5%
#################################################### 73.1%
##################################################### 74.7%
###################################################### 76.3%
######################################################## 77.9%
######################################################### 79.5%
########################################################## 81.1%
########################################################### 82.8%
############################################################ 84.4%
############################################################# 86.0%
############################################################### 87.7%
################################################################ 89.3%
################################################################# 91.0%
################################################################## 92.6%
################################################################### 94.3%
##################################################################### 96.0%
###################################################################### 97.7%
####################################################################### 99.3%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
0.3%
1.3%
## 3.3%
######## 12.1%
################################# 46.6%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
0.2%
1.1%
## 2.8%
##### 7.5%
################### 27.5%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
## 3.6%
######### 13.7%
###################################### 54.0%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
0.3%
# 1.8%
## 3.0%
###### 9.5%
####################### 32.4%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
##### 7.2%
################## 25.2%
############################################################ 83.4%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
# 2.8%
######### 13.5%
############################### 43.9%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
###################### 30.9%
######################################################################## 100.0%Then, define a function to plot the dataset
function preview_data(ds::GriddedDataset{FT}, ind::Int)
# preview data
return heatmap(view(ds.data,:,:,ind)',
origin="lower",
aspect_ratio=1,
xticks=[],
yticks=[],
c=:viridis,
size=(700,300),
framestyle=:none)
end
function preview_data(ds::GriddedDataset{FT}, ind::Int, clim::Tuple)
# preview data
return heatmap(view(ds.data,:,:,ind)',
origin="lower",
aspect_ratio=1,
xticks=[],
yticks=[],
c=:viridis,
clim=clim,
size=(700,300),
framestyle=:none)
endpreview_data (generic function with 2 methods)
Leaf level datasets
Leaf nitrogen content
LNC_LUT = load_LUT(LeafNitrogen{FT}());
mask_LUT!(LNC_LUT, FT[0,Inf]);
LNC_LUT = regrid_LUT(LNC_LUT, Int(size(LNC_LUT.data,2)/180));
preview_data(LNC_LUT, 1)Leaf phosphorus content
LPC_LUT = load_LUT(LeafPhosphorus{FT}());
mask_LUT!(LPC_LUT, FT[0,Inf]);
LPC_LUT = regrid_LUT(LPC_LUT, Int(size(LPC_LUT.data,2)/180));
preview_data(LPC_LUT, 1)Specific leaf area
SLA_LUT = load_LUT(LeafSLA{FT}());
mask_LUT!(SLA_LUT, FT[0,Inf]);
SLA_LUT = regrid_LUT(SLA_LUT, Int(size(SLA_LUT.data,2)/180));
preview_data(SLA_LUT, 1)Vcmax
VCM_LUT = load_LUT(VcmaxOptimalCiCa{FT}());
mask_LUT!(VCM_LUT, FT[0,Inf]);
VCM_LUT = regrid_LUT(VCM_LUT, Int(size(VCM_LUT.data,2)/180));
preview_data(VCM_LUT, 1)Stand level datasets
Canopy height
CHT_LUT = load_LUT(CanopyHeightGLAS{FT}());
mask_LUT!(CHT_LUT, FT[0,Inf]);
CHT_LUT = regrid_LUT(CHT_LUT, Int(size(CHT_LUT.data,2)/180));
preview_data(CHT_LUT, 1)Clumping index
# global clumping index
CLI_LUT = load_LUT(ClumpingIndexMODIS{FT}(), "12X", "1Y");
mask_LUT!(CLI_LUT, FT[0,1]);
CLI_LUT = regrid_LUT(CLI_LUT, Int(size(CLI_LUT.data,2)/180));
preview_data(CLI_LUT, 1, (0.4,1))# global clumping index per PFT
CLI_LUT = load_LUT(ClumpingIndexPFT{FT}());
mask_LUT!(CLI_LUT, FT[0,1]);
CLI_LUT = regrid_LUT(CLI_LUT, Int(size(CLI_LUT.data,2)/180));
anim = @animate for i ∈ 1:size(CLI_LUT.data,3)
preview_data(CLI_LUT, i, (0.4,1));
end
gif(anim, fps=1)
Gross primary productivity
# GPP MPI
GPP_LUT = load_LUT(GPPMPIv006{FT}(), 2005, "2X", "8D");
GPP_LUT = regrid_LUT(GPP_LUT, Int(size(GPP_LUT.data,2)/180));
mask_LUT!(GPP_LUT, FT[-100,Inf]);
anim = @animate for i ∈ 1:46
preview_data(GPP_LUT, i, (0,10));
end
gif(anim, fps=5)
# GPP VPM
GPP_LUT = load_LUT(GPPVPMv20{FT}(), 2005, "5X", "8D");
GPP_LUT = regrid_LUT(GPP_LUT, Int(size(GPP_LUT.data,2)/180));
mask_LUT!(GPP_LUT, FT[-100,Inf]);
anim = @animate for i ∈ 1:46
preview_data(GPP_LUT, i, (0,10));
end
gif(anim, fps=5)
Leaf area index
LAI_LUT = load_LUT(LAIMonthlyMean{FT}());
LAI_LUT = regrid_LUT(LAI_LUT, Int(size(LAI_LUT.data,2)/180));
anim = @animate for i ∈ 1:size(LAI_LUT.data,3)
preview_data(LAI_LUT, i, (0,6));
end
gif(anim, fps=1)
Normalized difference vegetation index
NDV_LUT = load_LUT(NDVIAvhrr{FT}(), 2018, "20X", "1M");
NDV_LUT = regrid_LUT(NDV_LUT, Int(size(NDV_LUT.data,2)/180));
anim = @animate for i ∈ 1:size(NDV_LUT.data,3)
preview_data(NDV_LUT, i, (0,1));
end
gif(anim, fps=1)
Near infrared reflectance of vegetation
NIV_LUT = load_LUT(NIRvAvhrr{FT}(), 2018, "20X", "1M");
NIV_LUT = regrid_LUT(NIV_LUT, Int(size(NIV_LUT.data,2)/180));
anim = @animate for i ∈ 1:size(NIV_LUT.data,3)
preview_data(NIV_LUT, i, (0,1));
end
gif(anim, fps=1)
Near infrared reflectance of vegetation with offset
NIO_LUT = load_LUT(NIRoAvhrr{FT}(), 2018, "20X", "1M");
NIO_LUT = regrid_LUT(NIO_LUT, Int(size(NIO_LUT.data,2)/180));
anim = @animate for i ∈ 1:size(NIO_LUT.data,3)
preview_data(NIO_LUT, i, (0,1));
end
gif(anim, fps=1)
Net primary productivity
NPP_LUT = load_LUT(NPPModis{FT}());
mask_LUT!(NPP_LUT, FT[-Inf,1e19]);
NPP_LUT = regrid_LUT(NPP_LUT, Int(size(NPP_LUT.data,2)/180));
NPP_LUT.data .*= 1e9;
preview_data(NPP_LUT, 1)Sun induced fluorescence
SIF_LUT = load_LUT(SIFTropomi740{FT}(), 2018, "1X", "1M");
mask_LUT!(SIF_LUT, FT[-100,100]);
anim = @animate for i ∈ 1:12
preview_data(SIF_LUT, i, (0,3.5));
end
gif(anim, fps=3)
Tree density
TDT_LUT = load_LUT(TreeDensity{FT}(), "12X", "1Y");
mask_LUT!(TDT_LUT, FT[0,Inf]);
TDT_LUT = regrid_LUT(TDT_LUT, Int(size(TDT_LUT.data,2)/180));
preview_data(TDT_LUT, 1, (0, 150000))Wood density
TDT_LUT = load_LUT(WoodDensity{FT}());
mask_LUT!(TDT_LUT, FT[0,Inf]);
TDT_LUT = regrid_LUT(TDT_LUT, Int(size(TDT_LUT.data,2)/180));
preview_data(TDT_LUT, 1)Land surface
Land elevation
ELE_LUT = load_LUT(LandElevation{FT}());
mask_LUT!(ELE_LUT, FT[0,Inf]);
ELE_LUT = regrid_LUT(ELE_LUT, Int(size(ELE_LUT.data,2)/180));
preview_data(ELE_LUT, 1)Land mask
LMK_LUT = load_LUT(LandMaskERA5{FT}());
LMK_LUT = regrid_LUT(LMK_LUT, Int(size(LMK_LUT.data,2)/180));
preview_data(LMK_LUT, 1)River flood plain height
FLD_LUT = load_LUT(FloodPlainHeight{FT}());
mask_LUT!(FLD_LUT, FT[0,Inf]);
FLD_LUT = regrid_LUT(FLD_LUT, Int(size(FLD_LUT.data,2)/180));
preview_data(FLD_LUT, 1)River height
RVH_LUT = load_LUT(RiverHeight{FT}());
mask_LUT!(RVH_LUT, FT[0,Inf]);
RVH_LUT = regrid_LUT(RVH_LUT, Int(size(RVH_LUT.data,2)/180));
preview_data(RVH_LUT, 1)River width
RVW_LUT = load_LUT(RiverWidth{FT}());
mask_LUT!(RVW_LUT, FT[0,Inf]);
RVW_LUT = regrid_LUT(RVW_LUT, Int(size(RVW_LUT.data,2)/180));
preview_data(RVW_LUT, 1)River length
RVL_LUT = load_LUT(RiverLength{FT}());
mask_LUT!(RVL_LUT, FT[0,Inf]);
RVL_LUT = regrid_LUT(RVL_LUT, Int(size(RVL_LUT.data,2)/180));
preview_data(RVL_LUT, 1)River manning coefficient
RVM_LUT = load_LUT(LandMaskERA5{FT}());
RVM_LUT = regrid_LUT(RVM_LUT, Int(size(RVM_LUT.data,2)/180));
preview_data(RVM_LUT, 1)River unit catchment area
UCA_LUT = load_LUT(UnitCatchmentArea{FT}());
UCA_LUT = regrid_LUT(UCA_LUT, Int(size(UCA_LUT.data,2)/180));
preview_data(UCA_LUT, 1)This page was generated using Literate.jl.